論文の概要: DAL-PCQA: Enabling Distortion-Level and Language-Driven Reasoning for Point Cloud Quality Assessment

• arxiv url: http://arxiv.org/abs/2606.07938v1
• Date: Sat, 06 Jun 2026 01:57:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.549409
• Title: DAL-PCQA: Enabling Distortion-Level and Language-Driven Reasoning for Point Cloud Quality Assessment
• Title（参考訳）: DAL-PCQA: ポイントクラウド品質評価のための歪みレベルと言語駆動推論の実現
• Authors: Swarna Chakraborty, Gabriel De Castro Araújo, Syeda Tasmi Faria, Marcelo M. Carvalho, Mylene C. Q. Farias,
• Abstract要約: DAL-PCQAは、ポイントクラウド品質アセスメント(PCQA)のための歪み対応言語アノテーション付きデータセットである。 我々は、測光と幾何学的アーティファクトの両方をカバーする、ポイントクラウド固有の歪み分類を定義する。 実験により、歪み認識による監視は、接地構造記述との語彙的・意味的アライメントを大幅に改善することが示された。
• 参考スコア（独自算出の注目度）: 0.2446672595462589
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point Cloud Quality Assessment (PCQA) methods typically predict scalar Mean Opinion Scores (MOS), which quantify overall perceptual degradation but do not reveal its causes. In contrast, human observers naturally reason in terms of specific distortions such as blur, color shifts, point density changes, missing regions, and geometric deformations. To close this gap, we introduce DAL-PCQA, a distortion-aware, language-annotated dataset for PCQA. DAL-PCQA augments benchmark point clouds with multi-level distortion severity labels, discrete quality categories, and structured natural language descriptions aligned with human perception. We define a point-cloud-specific distortion taxonomy that covers both photometric and geometric artifacts. Statistical analysis reveals characteristic degradation patterns across distortion types and quality levels. To assess the utility of these annotations, we compare zero-shot and fine-tuned multimodal models for generating perceptual quality descriptions. Experiments show that distortion-aware supervision substantially improves lexical and semantic alignment with ground-truth descriptions. By enabling interpretable, distortion-level reasoning, DAL-PCQA facilitates language-driven, explainable point cloud quality assessment. The dataset is publicly available at https://github.com/swarna96/DAL-PCQA.
• Abstract（参考訳）: ポイントクラウド品質評価(PCQA)手法は通常、スカラー平均オピニオンスコア(MOS)を予測する。 対照的に、人間の観察者は、ぼやけ、色の変化、点密度の変化、欠落した領域、幾何学的変形といった特定の歪みの観点から自然に推論する。 このギャップを埋めるために、PCQAのための歪み対応言語アノテーション付きデータセットであるDAL-PCQAを紹介する。 DAL-PCQAは、マルチレベル歪度ラベル、離散品質カテゴリ、人間の知覚に合わせた構造化された自然言語記述を備えたベンチマークポイントクラウドを拡張している。 我々は、測光と幾何学的アーティファクトの両方をカバーする、ポイントクラウド固有の歪み分類を定義する。 統計的解析により歪みの種類と品質レベルに特徴的な劣化パターンが明らかになった。 これらのアノテーションの有用性を評価するため、知覚的品質記述を生成するため、ゼロショットモデルと微調整型マルチモーダルモデルを比較した。 実験により、歪み認識による監視は、接地構造記述との語彙的・意味的アライメントを大幅に改善することが示された。 DAL-PCQAは、解釈可能な歪みレベルの推論を可能にすることにより、言語駆動で説明可能なポイントクラウドの品質評価を容易にする。 データセットはhttps://github.com/swarna96/DAL-PCQA.comで公開されている。

関連論文リスト

• PointQ-Bench: Benchmarking Diagnostic and Interpretable Point Cloud Quality Assessment [28.88904276309088]
  ポイントクラウドの品質は、3D取得、再構築、レンダリング、知覚において重要な役割を果たす。 本稿では,PCQAをスカラースコアから包括的品質理解へ拡張するベンチマークであるPointQ-Benchを紹介する。 PointQ-Benchは,3,083のポイントクラウドで構成されている。
  論文  参考訳（メタデータ） (2026-05-27T09:56:36Z)
• QD-PCQA: Quality-Aware Domain Adaptation for Point Cloud Quality Assessment [59.63956655216264]
  No-Reference Point Cloud Quality Assessment (NR-PCQA)は、まだ一般化に苦戦している。 HVS(Human Visual System)は、メディアタイプとは独立して知覚品質の評価を実行する。 QD-PCQAと呼ばれるPCQAのための新しい品質対応ドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-04T04:58:07Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• Perception-Guided Quality Metric of 3D Point Clouds Using Hybrid Strategy [38.942691194229724]
  フルリファレンスポイントクラウド品質評価(FR-PCQA)は、歪んだポイントクラウドの品質を利用可能なリファレンスで推測することを目的としている。 既存のFR-PCQAメトリクスのほとんどは、人間の視覚システム(HVS)が様々な歪みレベルに応じて視覚情報に動的に取り組むという事実を無視している。 本稿では,2つの視覚的戦略を歪み度に関して適応的に活用し,点雲の質を予測するための知覚誘導ハイブリッド計量(PHM)を提案する。
  論文  参考訳（メタデータ） (2024-07-04T12:23:39Z)
• Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
  No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。 我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。 提案手法は,最新のPCQA手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-15T07:16:07Z)
• TCDM: Transformational Complexity Based Distortion Metric for Perceptual Point Cloud Quality Assessment [24.936061591860838]
  客観的クラウド品質評価(PCQA)研究の目標は、ポイントクラウド品質を一貫した方法で測定するメトリクスを開発することである。 歪んだ点雲を基準に戻す複雑さを計測することで点雲の質を評価する。 提案手法の有効性を,5つのパブリッククラウド品質評価データベース上で行った広範囲な実験を通じて評価した。
  論文  参考訳（メタデータ） (2022-10-10T13:20:51Z)
• Reduced Reference Perceptual Quality Model and Application to Rate Control for 3D Point Cloud Compression [61.110938359555895]
  レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。 本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。 400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。 また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-25T12:42:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。